A) La regresión simple no necesita realizar pruebas de significancia
B) La regresión simple es más precisa que la regresión múltiple
C) La regresión múltiple solo se usa en mercados financieros
D) La regresión simple tiene una sola variable independiente, mientras que la regresión múltiple tiene varias

A) Método de máxima verosimilitud
B) Método de descomposición LU
C) Análisis de componentes principales
D) Mínimos cuadrados ordinarios

A) Modelo de regresión logística
B) Modelo integrado autoregresivo de media móvil
C) Modelo predictivo de crecimiento económico
D) Modelo general de regresión lineal

A) Cambio en la distribución de probabilidad de los datos
B) Media y varianza constantes a lo largo del tiempo
C) Presencia de tendencias lineales en los datos
D) Estabilidad en la correlación entre variables

A) Metodología para la identificación, estimación y diagnóstico de modelos ARIMA
B) Modelo predictivo de corto plazo
C) Modelo de regresión multinomial
D) Modelo de regresión logística

A) Modelo autorregresivo condicional de heterocedasticidad
B) Modelo de regresión simple
C) Modelo de series temporales estacionarias
D) Modelo de pronóstico de ventas

A) El crecimiento económico sostenible
B) La estabilidad del mercado financiero
C) La correlación entre variables macroeconómicas
D) La volatilidad condicional en la serie temporal

A) Cuando el modelo no considera las variables temporales
B) Cuando la varianza de los errores cambia con el tiempo
C) Cuando las variables independientes están altamente correlacionadas
D) Cuando una variable explicativa está correlacionada con el término de error

A) Relación entre variables independientes en modelos de regresión
B) Relación estacional entre variables censuradas
C) Relación temporal perfecta entre dos variables
D) Relación de largo plazo entre series de tiempo no estacionarias

A) Para aumentar la heterocedasticidad en los residuos
B) Para modelar la relación lineal entre variables explicativas
C) Para evaluar la precisión de los coeficientes estimados
D) Para introducir sesgo en los modelos econométricos

A) Método para evaluar si los coeficientes son estadísticamente diferentes de cero
B) Método para ajustar los coeficientes a los datos
C) Método para predecir futuros eventos económicos
D) Método para aumentar la multicolinealidad en el modelo

A) Errores tipo I: No considerar la heterocedasticidad. Errores tipo II: Ignorar la multicolinealidad.
B) Errores tipo I: Rechazar una hipótesis nula verdadera. Errores tipo II: Aceptar una hipótesis nula falsa.
C) Errores tipo I: No tener suficientes datos. Errores tipo II: Tener demasiada información.
D) Errores tipo I: Aceptar una hipótesis nula falsa. Errores tipo II: Rechazar una hipótesis nula verdadera.